Integración de MLOps en la administración de riesgo de modelos : un enfoque innovador para la fiabilidad y robustez en modelos predictivos
Fecha
2024
Autores
Castañeda Ríos, José Luis
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad EAFIT
Resumen
Descripción
Este documento explora la propuesta de integración de metodologías de Operación de Modelos de Aprendizaje de Maquina (Machine Learning Operations - MLOps) en la Administración de Riesgo de Modelo (Model Risk Management - MRM) para promover la gestión efectiva de riesgo. A través de una revisión sistemática de la literatura, se examinan definiciones y prácticas actuales de MLOps y MRM, destacando su aplicabilidad en diversas industrias, y no exclusivamente para el sector financiero. El estudio identifica los desafíos clave de la MRM, como la validación de modelos y la calidad de los datos, y propone soluciones basadas en principios de MLOps y sus herramientas. Esta propuesta sugiere que la temática desarrollada en este documento puede reportar algún grado de novedad, y que además MLOps puede abordar efectivamente los retos de MRM, mejorando la administración del ciclo de vida de los modelos y asegurando el cumplimiento regulatorio, lo que es crucial para la estabilidad y eficiencia operativa de las instituciones.